首页|Markov链与Q-Learning算法的超轻度混动汽车模型预测控制

Markov链与Q-Learning算法的超轻度混动汽车模型预测控制

Model predictive control of super-mild hybrid electric vehicle based on Markov chain and Q-Learning

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
为了同时兼顾能量管理策略的全局最优性与运算实时性,本文提出了基于Markov链与Q-Learning算法的超轻度混合动力汽车模型预测控制能量管理策略.采用多步Markov模型预测加速度变化过程,计算得出混合动力汽车未来需求功率;以等效燃油消耗最小与动力电池荷电状态(SOC)局部平衡为目标函数,建立能量管理策略优化模型;采用Q-Learning算法对预测时域内的优化问题进行求解,得到最优转矩分配序列.基于MATLAB/Simulink平台,对于ECE_EUDC+UDDS循环工况进行仿真分析.结果表明:采用Q-Learning求解的控制策略比基于动态规划(DP)求解的控制策略,在保证燃油经济性基本保持一致的前提下,仿真时间缩短了4 s,明显地提高了运行效率,实时性更好.

尹燕莉、马永娟、周亚伟、王瑞鑫、詹森、马什鹏、黄学江、张鑫新

展开 >

重庆交通大学 机电与车辆工程学院,重庆400074,中国

包头北奔重型汽车有限公司,包头014000,中国

超轻度混合动力汽车 模型预测控制 Markov链(Markov chain) Q-Learning算法 多步Markov模型 能量管理

重庆市教委科学技术研究项目重庆市技术创新与应用发展重点项目

KJQN201800718Cstc2020jscx-dxwtBX0025

2021

10.3969/j.issn.1674-8484.2021.04.015

汽车安全与节能学报
清华大学

汽车安全与节能学报

CSTPCDCSCD北大核心
影响因子：0.748
ISSN：1676-8484
年,卷(期)：2021.12(4)
  • 2
  • 10